Deploying AI Agents: LLMs, LangGraph, and Production APIs

kurs ist nicht verfügbar in Deutsch (Deutschland)

Wir übersetzen es in weitere Sprachen.

Deploying AI Agents: LLMs, LangGraph, and Production APIs

Dieser Kurs ist Teil von Spezialisierung „Building and Deploying AI Agents with LLMs and LangChain“

Dozent: Board Infinity

Bei enthalten

Mehr erfahren

4 Module

Verschaffen Sie sich einen Einblick in ein Thema und lernen Sie die Grundlagen.

Stufe Mittel

Empfohlene Erfahrung

2 Wochen zu vervollständigen

unter 10 Stunden pro Woche

Flexibler Zeitplan

In Ihrem eigenen Lerntempo lernen

4 Module

Verschaffen Sie sich einen Einblick in ein Thema und lernen Sie die Grundlagen.

Stufe Mittel

Empfohlene Erfahrung

2 Wochen zu vervollständigen

unter 10 Stunden pro Woche

Flexibler Zeitplan

In Ihrem eigenen Lerntempo lernen

Was Sie lernen werden

Integrate LLMs into modular LangGraph pipelines with efficient token and prompt management
Validate structured agent I/O using Pydantic-AI schemas for enterprise reliability
Deploy agents with FastAPI, Mem0, and vector stores for persistent state

Kompetenzen, die Sie erwerben

Kategorie: LLM Application
Kategorie: Agentic systems
Kategorie: Artificial Intelligence and Machine Learning (AI/ML)
Kategorie: Application Deployment
Kategorie: Large Language Modeling
Kategorie: Data Validation
Kategorie: Performance Testing
Kategorie: Memory Management
Kategorie: Context Management

Werkzeuge, die Sie lernen werden

Kategorie: Vector Databases
Kategorie: LangGraph
Kategorie: LangChain
Kategorie: CrewAI
Kategorie: Agentic Workflows
Kategorie: AI Orchestration
Kategorie: AI Workflows

Wichtige Details

Zertifikat zur Vorlage

Zu Ihrem LinkedIn-Profil hinzufügen

Kürzlich aktualisiert!

Mai 2026

Bewertungen

17 Aufgaben

Unterrichtet in Englisch

Erfahren Sie, wie Mitarbeiter führender Unternehmen gefragte Kompetenzen erwerben.

Weitere Informationen zu Coursera für Unternehmen

Logos von Petrobras, TATA, Danone, Capgemini, P&G und L'Oreal

Erweitern Sie Ihre Fachkenntnisse

Dieser Kurs ist Teil der Spezialisierung Spezialisierung „Building and Deploying AI Agents with LLMs and LangChain“

Wenn Sie sich für diesen Kurs anmelden, werden Sie auch für diese Spezialisierung angemeldet.

Lernen Sie neue Konzepte von Branchenexperten
Gewinnen Sie ein Grundverständnis bestimmter Themen oder Tools
Erwerben Sie berufsrelevante Kompetenzen durch praktische Projekte
Erwerben Sie ein Berufszertifikat zur Vorlage

In diesem Kurs gibt es 4 Module

"Take your AI agent skills into production with this hands-on course on building, validating, and deploying LLM-powered agents using LangGraph, LangChain, Pydantic-AI, Mem0, CrewAI, Agno, and FastAPI. You’ll learn to turn prototypes into reliable, enterprise-grade agent systems.

Module 1 covers integrating LLMs (OpenAI, Anthropic) into LangGraph reasoning pipelines, designing nodes, control flow, token management, and iterative workflow testing. Module 2 focuses on schema enforcement with Pydantic-AI, structured outputs, and building a Business Workflow Assistant with validated, reliable I/O. Module 3 guides you through full deployment — FastAPI backends, persistent memory with Mem0 and vector stores, and orchestration with Agno and CrewAI in production. Module 4 teaches evaluation: metrics, logging, load testing, benchmarking, and comparing LangGraph, CrewAI, and Agno for enterprise-scale deployment. By the end of this course, you will: - Integrate LLMs into modular LangGraph reasoning pipelines - Validate agent I/O using Pydantic-AI schemas for reliable outputs - Deploy agents via FastAPI with Mem0 and vector-store persistence - Evaluate and benchmark frameworks to justify production choices"

This 4-hour module introduces learners to the transition from single-agent to collaborative multi-agent systems, emphasizing teamwork dynamics, communication strategies, and distributed reasoning.

Das ist alles enthalten

10 Videos4 Lektüren5 Aufgaben

10 VideosInsgesamt 39 Minuten

The Rise of Multi-Agent Collaboration5 Minuten
Industry Trends in Distributed Intelligence5 Minuten
Skills and Frameworks in Demand5 Minuten
How LLM APIs Integrate with LangGraph3 Minuten
Configuring Model Parameters for Reasoning5 Minuten
Designing Reasoning Nodes in LangGraph3 Minuten
Implementing Control Flow Between Nodes3 Minuten
Balancing Independence and Oversight3 Minuten
Creating a Multi-Node Reasoning Pipeline4 Minuten
Iterative Testing and Refinement3 Minuten

4 LektürenInsgesamt 60 Minuten

Career Scope in AI Agent Deployment15 Minuten
Fundamentals of LLM Integration15 Minuten
LangGraph Node Design for Reasoning15 Minuten
Building an Intelligent Workflow15 Minuten

5 AufgabenInsgesamt 180 Minuten

Foundations of Multi-Agent Collaboration60 Minuten
Career Scope in Multi-Agent Systems30 Minuten
From Single to Multi-Agent Systems30 Minuten
Multi-Agent Roles and Responsibilities30 Minuten
Introduction to CrewAI30 Minuten

This 4-hour module has learners design and simulate a functional, role-based workflow demonstrating structured collaboration between multiple agents using CrewAI's orchestration tools.

Das ist alles enthalten

5 Videos3 Lektüren4 Aufgaben

5 VideosInsgesamt 17 Minuten

Introduction to Data Validation5 Minuten
Handling Validation Errors3 Minuten
Implementing the Researcher-Writer-Editor Chain3 Minuten
Managing Inter-Agent Feedback Loops4 Minuten
Evaluating Reports and Output Reliability3 Minuten

3 LektürenInsgesamt 45 Minuten

Schema Enforcement with Pydantic‑AI15 Minuten
Implementing Structured Outputs15 Minuten
Building the Business Workflow Assistant15 Minuten

4 AufgabenInsgesamt 150 Minuten

Designing Role-Based Multi-Agent Workflows60 Minuten
Planning Collaborative Workflows30 Minuten
Building the Content Team30 Minuten
Analyzing Team Performance30 Minuten

This 4-hour module explores shared memory integration in multi-agent systems, focusing on context continuity, communication efficiency, and memory optimization strategies using Mem0.

Das ist alles enthalten

7 Videos3 Lektüren4 Aufgaben

7 VideosInsgesamt 29 Minuten

FastAPI Setup for Agentic Workflows3 Minuten
Creating Inference Endpoints3 Minuten
Configuring Mem0 for State Management6 Minuten
Persistent Memory Patterns for Agent Deployments.4 Minuten
Combining Multiple Runtimes5 Minuten
Task Collaboration in Production4 Minuten
Deployment Walkthrough4 Minuten

3 LektürenInsgesamt 60 Minuten

Building a FastAPI Agent Backend15 Minuten
Persistence with Mem0 and Vector Stores30 Minuten
Orchestration with Agno and CrewAI15 Minuten

4 AufgabenInsgesamt 150 Minuten

Shared Memory and Context Coordination60 Minuten
Understanding Shared and Private Memory30 Minuten
Implementing Shared Memory with Mem030 Minuten
Debugging and Optimizing Memory Coordination30 Minuten

In this final 4-hour module, learners orchestrate multi-agent collaboration using Agno, simulate a real-world Customer Support workflow, and conduct comparative evaluations of leading frameworks.

Das ist alles enthalten

5 Videos3 Lektüren4 Aufgaben

5 VideosInsgesamt 18 Minuten

Implementing Performance Benchmarks3 Minuten
Analyzing Test Results and Bottlenecks3 Minuten
Benchmarking Agent Reliability4 Minuten
Comparative Analysis LangGraph vs CrewAI vs Agno4 Minuten
Choosing the Right Framework for Production4 Minuten

3 LektürenInsgesamt 45 Minuten

Building an Evaluation Pipeline15 Minuten
Reliability and Performance Testing15 Minuten
Framework Maturity and Reflection15 Minuten

4 AufgabenInsgesamt 150 Minuten

Orchestrating and Evaluating Multi-Agent Systems60 Minuten
Custom Orchestration with Agno30 Minuten
Case Study - Customer Support Workflow30 Minuten
Framework Benchmarking and Reflection30 Minuten

Erwerben Sie ein Karrierezertifikat.

Fügen Sie dieses Zeugnis Ihrem LinkedIn-Profil, Lebenslauf oder CV hinzu. Teilen Sie sie in Social Media und in Ihrer Leistungsbeurteilung.

Dozent

Board Infinity

261 Kurse420.756 Lernende

von

Board Infinity

Mehr von Machine Learning entdecken

Board Infinity
Building and Deploying AI Agents with LLMs and LangChain
Spezialisierung
Board Infinity
MLOps and LLMOps: Deploying and Scaling AI in Production
Kurs
Board Infinity
AI Agent Architecture: Reasoning, Memory, and LangGraph
Kurs
Coursera
Build, Analyze, and Refactor LLM Workflows
Kurs

Warum entscheiden sich Menschen für Coursera für ihre Karriere?

Felipe M.

Lernender seit 2018

„Es ist eine großartige Erfahrung, in meinem eigenen Tempo zu lernen. Ich kann lernen, wenn ich Zeit und Nerven dazu habe.“

Jennifer J.

Lernender seit 2020

„Bei einem spannenden neuen Projekt konnte ich die neuen Kenntnisse und Kompetenzen aus den Kursen direkt bei der Arbeit anwenden.“

Larry W.

Lernender seit 2021

„Wenn mir Kurse zu Themen fehlen, die meine Universität nicht anbietet, ist Coursera mit die beste Alternative.“

Chaitanya A.

„Man lernt nicht nur, um bei der Arbeit besser zu werden. Es geht noch um viel mehr. Bei Coursera kann ich ohne Grenzen lernen.“

Häufig gestellte Fragen

To access the course materials, assignments and to earn a Certificate, you will need to purchase the Certificate experience when you enroll in a course. You can try a Free Trial instead, or apply for Financial Aid. The course may offer 'Full Course, No Certificate' instead. This option lets you see all course materials, submit required assessments, and get a final grade. This also means that you will not be able to purchase a Certificate experience.

When you enroll in the course, you get access to all of the courses in the Specialization, and you earn a certificate when you complete the work. Your electronic Certificate will be added to your Accomplishments page - from there, you can print your Certificate or add it to your LinkedIn profile.

Yes. In select learning programs, you can apply for financial aid or a scholarship if you can’t afford the enrollment fee. If fin aid or scholarship is available for your learning program selection, you’ll find a link to apply on the description page.